Amazon Redshift tidak akan lagi mendukung penggunaan Python UDF setelah 30 Juni 2026. Kami akan mulai menegakkannya secara bertahap. Untuk informasi lebih lanjut tentang detail opsi akhir masa pakai dan migrasi Python, lihat posting blog
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Jenis data SUPER dan tampilan yang terwujud
Dengan Amazon Redshift, Anda dapat menggunakan tampilan yang terwujud untuk meningkatkan kinerja dan fleksibilitas kueri yang dijalankan terhadap tipe data SUPER. Dengan tipe data SUPER, Anda dapat menyimpan superset kolom dari tabel dasar dalam tampilan terwujud, memungkinkan Anda menanyakan tampilan terwujud secara langsung tanpa bergabung dengan tabel dasar. Bagian berikut menunjukkan cara membuat dan menggunakan tampilan terwujud dengan tipe data SUPER di Amazon Redshift.
Amazon Redshift mendukung tampilan terwujud yang menggabungkan kolom tipe data SUPER dan kueri PartiQL. Tampilan terwujud dapat menyegarkan secara bertahap, sedangkan Amazon Redshift hanya memperbarui data yang telah berubah di tabel dasar sejak operasi penyegaran terakhir. Pendekatan pembaruan selektif ini membuat proses penyegaran lebih efisien daripada perhitungan ulang penuh. Untuk informasi selengkapnya tentang tampilan yang terwujud, lihatTampilan yang terwujud di Amazon Redshift.
Mempercepat kueri PartiQL
Anda dapat menggunakan tampilan terwujud untuk mempercepat kueri PartiQL yang menavigasi data hierarkis and/or yang tidak ada di kolom SUPER. Dengan membuat satu atau lebih tampilan terwujud untuk mencabik-cabik nilai SUPER menjadi beberapa kolom dan memanfaatkan organisasi kolom kueri analitis Amazon Redshift, Anda pada dasarnya dapat mengekstrak dan menormalkan data bersarang. Tingkat normalisasi tergantung pada seberapa banyak upaya yang Anda lakukan untuk mengubah data SUPER menjadi data kolumnar konvensional.
Topik berikut menampilkan contoh memecah, atau merobek, data kompleks menjadi kolom yang lebih kecil, serta membuat kolom skalar dari data yang diparut untuk meningkatkan kinerja.
Topik
